Tecnología

La IA avanza: cómo los últimos avances podrían afectar los seguros comerciales

Haga clic aquí para obtener más información sobre la autora Karin Golde.

Los beneficios de la IA se han promocionado ampliamente durante años, pero la IA ha tardado un poco más en llegar a la industria de los seguros. Sin embargo, en los últimos dos años, la implementación de sistemas de inteligencia artificial ha experimentado un fuerte aumento, especialmente en las operaciones de siniestros. Las organizaciones son más eficientes y obtienen mejores resultados en los primeros días de la adopción.

Ahora tenemos una base de lo que la IA puede hacer por los operadores y los equipos se están familiarizando con la tecnología. Sin embargo, una serie de requisitos permanecen abiertos si una empresa desea aprovechar al máximo sus inversiones en inteligencia artificial. Aquí hay un vistazo a la forma en que la IA está avanzando para mejorar aún más las operaciones de daño.

Gestión de identidades: abordar la necesidad de datos limpios

Todos queremos predicciones precisas de nuestros sistemas de inteligencia artificial. Las habilidades predictivas son una gran parte de la promesa de la IA, después de todo. Sin embargo, para obtener las mejores predicciones, los sistemas deben procesar datos precisos. Hacer coincidir los proveedores adecuados con las necesidades adecuadas es un componente clave, y esa es una tarea compleja en sí misma.

Muchos factores pueden hacer que se haga referencia al mismo proveedor de diferentes formas en diferentes registros. El nombre de un proveedor puede estar abreviado o mal escrito. Podrían mudarse a otro estado, agregar especialidades o cambiar prácticas. El software de gestión de identidad es esencial para garantizar que los sistemas de inteligencia artificial obtengan las coincidencias adecuadas y que el proveedor adecuado acompañe una reclamación durante todo su ciclo de vida.

Con los avances en la integración de software y API, esto se vuelve más rápido y más fácil. Algunas empresas incluso desarrollan sus propias soluciones de gestión de identidad. A lo largo del año, espere que se priorice la gestión de identidades y esto mejorará la precisión predictiva.

Monitoreo continuo: eliminación de sesgos para mejores conjuntos de datos

Al principio, cuando un operador de red introdujo un sistema de inteligencia artificial, hubo una cierta actitud hacia dejar las cosas y olvidar, independientemente de si provenía de un tercero o se construyó internamente. El modelo está listo, funciona muy bien, vamos. Pero con el tiempo, la tendencia tiende a infiltrarse en los sistemas.

COVID-19 ha destacado la necesidad de procesos de monitoreo continuo. El entorno ha cambiado drásticamente en un corto período de tiempo, cambiando el tipo y el volumen de reclamaciones. No había forma de que un sistema de inteligencia artificial no se viera comprometido. Sin embargo, con la supervisión continua, las señales engañosas se pueden identificar y corregir rápidamente.

El monitoreo se volverá más sofisticado y flexible en los próximos días, especialmente dadas las nuevas herramientas que los científicos de datos pueden usar para buscar sesgos no solo en las primeras etapas de desarrollo sino también en los entornos de producción. Luego, los cambios en los resultados se pueden verificar con expertos en el dominio (ajustadores de reclamos) y los modelos se ajustan en consecuencia.

Datos no estructurados: proporcionar conocimientos más profundos

Por muy poderosa que sea la IA en el negocio de las reclamaciones hoy en día, acabamos de arañar la superficie de lo posible. Las fuentes de datos utilizadas anteriormente en los modelos de datos representan solo una pequeña parte de los datos relevantes para un reclamo. ¿Qué pasa con cosas como notas de médicos, imágenes como grabaciones de rayos X o resonancia magnética o grabaciones de voz? ¿Qué pasa con un análisis de sentimientos que arroja luz sobre lo que piensa o siente un solicitante y proporciona pistas sobre la probabilidad de que contrate a un abogado?

Afortunadamente, la tecnología avanza tan rápido que estos datos no estructurados ahora se están integrando en los sistemas de inteligencia artificial. Los modelos pueden leerlos e interpretarlos, haciendo predicciones más grandes, más precisas y más útiles que nunca. Esto es tremendamente emocionante y un gran ahorro de tiempo cuando se consideran tareas como las presentaciones de MSA. El análisis de fuentes de datos no estructurados continuará mejorando con el tiempo a medida que ingresen más datos a los sistemas y máquinas y aprendan de cada afirmación.

Compartir datos: pisando una nueva frontera

Cada uno de los avances anteriores es esencial para aumentar el valor de la IA en las operaciones de daño. Sin embargo, quizás el avance más significativo es la capacidad de compartir datos entre industrias. Esta idea es algo controvertida ya que los operadores de red no están programados para compartir información con sus clientes. Pero quiero poner fin a la polémica.

El intercambio de datos entre industrias beneficia a todos los que desean promover la inteligencia artificial. Para tener un sistema de pronóstico sólido y preciso, las empresas deben recurrir a una variedad de fuentes. Imagine la diferencia si su sistema pudiera extraer información relevante de 10,000 o 100,000 incidentes en lugar de 1,000. Cuando analice un trabajo exponencialmente más grande, considere cómo la información combinada puede ayudar a determinar el mejor abogado para un reclamo. Los beneficios son enormes. Según una investigación interna de mi empresa, la precisión de las predicciones aumentó a más del 90% cuando las empresas intercambiaron datos.

Esto no significa acceder al sistema de otro operador de red o transmitir información de propiedad. Me refiero a la capacidad de utilizar datos que no han sido identificados, anonimizados y segregados. Se almacena y comparte a través de un lago de datos altamente seguro al que tiene acceso un proveedor de inteligencia artificial, de modo que cuando un cliente de un operador pregunta sobre el proveedor en Omaha, el sistema puede lograr los mejores resultados en la reconstrucción del tobillo en pacientes mayores de 40 años con resultados mucho más altos. Haz recomendaciones de seguridad. Este enfoque es increíblemente útil para ciertas reclamaciones en las que el transportista tiene una muestra limitada disponible.

Como puede ver, los avances en IA se están moviendo rápida y rápidamente y tendrán un impacto significativo en la industria de seguros. Si bien no debemos avanzar ciegamente y aceptar la promesa de una nueva solución, debemos estar listos para aceptar el cambio. La ventaja es simplemente demasiado grande si una organización quiere aprovechar al máximo su sistema de inteligencia artificial.